1 คำแนะนำ :

ถ้าคุณดูเอกสารนี้บน Github ให้กด Ctrl+F เพื่อไปยังหัวข้อที่สนใจ (ที่บอกมาจาก My Portfolio Website)

2 Load Library

library(knitr) # ใช้สำหรับรันโค้ด R ที่ฝังในเอกสาร Markdown / LaTeX
library(tidyverse) # แพ็คเกจที่รวบรวมเครื่องใช้จัดการข้อมูล และนำเสนอข้อมูล
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.4     ✔ readr     2.1.5
## ✔ forcats   1.0.0     ✔ stringr   1.5.1
## ✔ ggplot2   3.5.2     ✔ tibble    3.2.1
## ✔ lubridate 1.9.4     ✔ tidyr     1.3.1
## ✔ purrr     1.0.4     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

3 Explore Data

3.1 Data Glimpse

diamonds |> glimpse() # โครงสร้างตาราง diamonds กี่แถว กี่คอลัมน์ ประเภทคอลัมน์ แต่ละคอลัมน์หน้าตาเป็นยัง
## Rows: 53,940
## Columns: 10
## $ carat   <dbl> 0.23, 0.21, 0.23, 0.29, 0.31, 0.24, 0.24, 0.26, 0.22, 0.23, 0.…
## $ cut     <ord> Ideal, Premium, Good, Premium, Good, Very Good, Very Good, Ver…
## $ color   <ord> E, E, E, I, J, J, I, H, E, H, J, J, F, J, E, E, I, J, J, J, I,…
## $ clarity <ord> SI2, SI1, VS1, VS2, SI2, VVS2, VVS1, SI1, VS2, VS1, SI1, VS1, …
## $ depth   <dbl> 61.5, 59.8, 56.9, 62.4, 63.3, 62.8, 62.3, 61.9, 65.1, 59.4, 64…
## $ table   <dbl> 55, 61, 65, 58, 58, 57, 57, 55, 61, 61, 55, 56, 61, 54, 62, 58…
## $ price   <int> 326, 326, 327, 334, 335, 336, 336, 337, 337, 338, 339, 340, 34…
## $ x       <dbl> 3.95, 3.89, 4.05, 4.20, 4.34, 3.94, 3.95, 4.07, 3.87, 4.00, 4.…
## $ y       <dbl> 3.98, 3.84, 4.07, 4.23, 4.35, 3.96, 3.98, 4.11, 3.78, 4.05, 4.…
## $ z       <dbl> 2.43, 2.31, 2.31, 2.63, 2.75, 2.48, 2.47, 2.53, 2.49, 2.39, 2.…

3.2 Preview Data

ตาราง diamonds เป็นชุดข้อมูลเกี่ยวกับเพชรที่มีคอลัมน์หลากหลาย พร้อมข้อมูลคุณสมบัติที่ ใช้กำหนดราคาเพชร มาดูแต่ละคอลัมน์และความหมายของมัน:

Cols Description Type
carat น้ำหนักของเพชร มีหน่วยเป็น “กะรัต” (carats) หน่วยวัดน้ำหนักเพชร Numeric
cut ระดับคุณภาพการเจียระไน (cut quality) เช่น Fair, Good, Very Good, Premium, Ideal (เรียงจากต่ำไปสูง) Ordered Factor
color สีของเพชร (D ถึง J โดยที่ D คือใสที่สุด) Ordered Factor
clarity ระดับความใสของเพชร โดยดูจากตำหนิหรือจุดบกพร่อง (I1, SI2, SI1, VS2, VS1, VVS2, VVS1, IF เรียงจากตำหนิชัดเจนถึงไม่มีเลย) Ordered Factor
depth อัตราส่วนระหว่างความลึกของเพชรกับเส้นผ่านศูนย์กลางเฉลี่ย มีหน่วยเป็นเปอร์เซ็นต์ (%): (z / mean(x, y)) * 100 Numeric
table ความกว้างของโต๊ะเพชร (ส่วนเรียบด้านบนของเพชร) เทียบกับเส้นผ่านศูนย์กลางเฉลี่ย มีหน่วยเป็นเปอร์เซ็นต์ (%) Numeric
price ราคาของเพชร มีหน่วยเป็นดอลลาร์สหรัฐ Integer
x ความยาว (length) ของเพชรในหน่วยมิลลิเมตร Numeric
y ความกว้าง (width) ของเพชรในหน่วยมิลลิเมตร Numeric
z ความลึก (depth) ของเพชรในหน่วยมิลลิเมตร Numeric

  • ขยายความหมาย: depth : ( z / mean(x, y)) * 100

    • ค่านี้แสดงถึง ความสมดุลของรูปร่างเพชร:
      • ค่า depth ต่ำเกินไป: เพชรอาจแบนเกินไป
      • ค่า depth สูงเกินไป: เพชรอาจลึกหรือหนาเกินไป
    • ค่าที่เหมาะสมสำหรับ เพชรทรงกลม (round cut) มักอยู่ที่ประมาณ 59-62% เพื่อให้เพชรมีประกายดีที่สุด
diamonds |> head() # ดู 6 แถวแรก(ไม่รวมหัวตาราง)
diamonds |> tail() # ดู 6 แถวท้าย(ไม่รวมหัวตาราง)

3.3 Duplicate Rows

diamonds |> distinct() |> count() !=  diamonds |> count() # ตรวจสอบว่ามีแถวซ้ำกันไหม TRUE มี, False ไม่มี
##         n
## [1,] TRUE

3.3.1 View Only Duplicate Rows

ดูเฉพาะแถวที่ซ้ำ

diamonds |> 
  group_by(across(everything())) |> # group_by(across(everything())) คือการ group โดยใช้ทุกคอลัมน์
  filter(n() > 1) # เลือกเฉพาะกลุ่มที่มีแถวมากกว่า 1 ⇒ นั่นคือแถวที่ซ้ำกัน

3.3.2 View Only Unique Rows

ดูเฉพาะแถวที่ไม่ซำ (ไม่รวมแถวซ้ำ)

diamonds |> 
  group_by(across(everything())) |> # group_by(across(everything())) คือการ group โดยใช้ทุกคอลัมน์
  filter(n() == 1) # เลือกเฉพาะแถวที่ไม่ซ้ำกันเท่านั้น

3.3.3 Identify Duplicates with Counts

# ดูเฉพาะแถวที่ซ้ำว่ามีกี่แถว แต่ละแถวซ้ำกันกี่ครั้ง
diamonds |> 
  group_by(across(everything())) |> 
  tally() |> 
  filter(n > 1)  # แสดงเฉพาะแถวที่ซ้ำ

3.3.4 Remove Duplicate Rows (Keeping First Instance)

ลบเฉพาะแถวซ้ำ แต่ยังคงไว้แค่แถวแรกไว้

diamonds |> distinct()

3.4 Explore NA

3.4.1 Rows with at least one NA in any column

เลือกแถวที่มีค่า NA อย่างน้อย 1 คอลัมน์

diamonds |> filter(if_any(everything(), is.na))

3.4.2 Columns with at least one NA in any row

เลือกคอลัมน์ที่มี NA อย่างน้อย 1 แถว

diamonds |> select(where(~ any(is.na(.))))

4 Clensing Diamonds Data

ลบแถวซ้ำ

prep_diamonds <- diamonds |> distinct()
prep_diamonds

4.1 Check Duplicate Rows

prep_diamonds |> distinct() |> count() !=  prep_diamonds |> count() # ตรวจสอบว่ามีแถวซ้ำกันไหม TRUE มี, False ไม่มี
##          n
## [1,] FALSE

5 Visualize Diamonds Data

custom_theme <- theme_linedraw() +
  theme(
    # Darker plot title
    plot.title = element_text(
      face = "bold",
      size = 16,
      color = "black",
      margin = margin(b = 10)
    ),
    # Darker subtitle
    plot.subtitle = element_text(
      size = 12,
      color = "#2F4F4F",  # Dark slate gray
      margin = margin(b = 15)
    ),
    # Darker caption
    plot.caption = element_text(
      size = 8,
      color = "#4A4A4A",  # Darker gray
      margin = margin(t = 10)
    ),
    # Darker axis titles
    axis.title = element_text(
      size = 11,
      color = "#1C1C1C",  # Very dark gray
      face = "bold"
    ),
    # Darker axis text
    axis.text = element_text(
      size = 9,
      color = "#2F4F4F"  # Dark slate gray
    ),
    # Customize facet labels
    strip.text = element_text(
      face = "bold",
      size = 10,
      color = "white"
    ),
    strip.background = element_rect(
      fill = "#2F4F4F",  # Dark slate gray
      color = "black"
    ),
    # Darker panel elements
    panel.grid.major = element_line(
      color = "#BEBEBE",  # Medium gray
      size = 0.3
    ),
    panel.grid.minor = element_line(
      color = "#D3D3D3",  # Light gray
      size = 0.2
    ),
    panel.border = element_rect(
      color = "black",
      size = 0.8
    ),
    # Add margin around the plot
    plot.margin = margin(15, 15, 15, 15),
    # Darker background
    panel.background = element_rect(
      fill = "white"
    )
  )

5.1 1) Distribution of price groups of diamonds by Density, Table.

5.1.1 a. Table: Price Ranges of Diamonds

Distribution of Diamond Prices by Range
Price Range ($) Number of Diamonds
0-500 1745
500-1000 12725
1000-1500 5463
1500-2000 4194
2000-2500 3332
2500-3000 2789
3000-3500 2159
3500-4000 2056
4000-4500 2470
4500-5000 2183

5.1.2 b. Density: Price Ranges of Diamonds

prep_diamonds %>%
  ggplot(aes(price)) +
  geom_density(fill = "#4682B4", alpha = 0.7) +
  custom_theme +
  theme(plot.background = element_rect(fill = "#f5e19f")) +
  labs(title = "Price Distribution of Diamonds", 
       subtitle = "The $500-$1000 price range has the largest number of diamonds.", 
       caption = "Source: ggplot Package", 
       x = "Diamond Price Range", 
       y = "Density")

5.2 2) Sub-Diagram of Diamond Price Groups, Divided by cut.

prep_diamonds %>%
  ggplot(aes(price)) +
  geom_density(fill = "#4682B4", alpha = 0.7) +  # Steelblue with higher opacity
  custom_theme +
  theme(plot.background = element_rect(fill = "#f5e19f")) +
  labs(title = "Price Distribution of Diamonds", 
       subtitle = "Sub-diagram of diamond price groups, divided by cut", 
       caption = "Source: ggplot Package", 
       x = "Diamond Price Range", 
       y = "Density") +
  facet_wrap(~ cut)

5.3 3) Depth Distribution Across Diamond Cut Quality.

5.3.1 a. Boxplot: Comparing Depth Values for Cut Quality

prep_diamonds %>%
  filter(depth > 60) %>% # Interested in the balance value of 
                          # the diamond shape of more than 60%
  ggplot(aes(cut, depth, fill = cut)) +
  geom_boxplot() +
  custom_theme +
  theme(plot.background = element_rect(fill = "#f5e19f")) + 
  labs(
    title = "Depth Distribution Across Diamond Cut Quality",
    subtitle = "Comparing Depth Values for 'Fair', 'Good', 'Very Good', 'Premium', 
                                            and 'Ideal' Cuts",
    caption = "Source: ggplot2 Diamonds Dataset",
    x = "Cut Quality",
    y = "Depth Percentage (%)"
  )

5.3.2 b. Scatter: Dist. of Diamond Shapes with Prices by Diamond Color

prep_diamonds %>%
  filter(depth > 50) %>%
  ggplot(aes(depth, price, color = color)) +
  geom_point() +
  facet_wrap(~ cut) +
  custom_theme +
  theme(plot.background = element_rect(fill = "#f5e19f")) + 
  labs(
    title = "Dist. of Diamond Shapes with Prices by Diamond Color",
    subtitle = "Provided by Cut Quality",
    caption = "Source: ggplot2 Diamonds Dataset",
    x = "Depth Percentage (%)",
    y = "Price ($USD)"
  )

ขอเสริมข้อ 3) Depth Distribution Across Diamond Cut Quality.

จาก chart ที่แสดง boxplot ความสัมพันธ์ระหว่าง **depth** (ความลึกของเพชร) และ **cut** (คุณภาพการเจียระไนของเพชร) เราสามารถตั้งชื่อ `labs` ดังนี้:

-   **Title**
    -   "Depth Distribution Across Diamond Cut Quality"
    -   (แสดงการกระจายตัวของความลึกในแต่ละระดับคุณภาพการเจียระไน)
-   **Subtitle**:
    -   "Comparing Depth Values for 'Fair', 'Good', 'Very Good', 'Premium', and 'Ideal' Cuts"
    -   (เปรียบเทียบค่าความลึกในแต่ละคุณภาพการเจียระไน)
-   **Caption**:
    -   "Source: ggplot2 Diamonds Dataset"
    -   (ระบุแหล่งข้อมูลจาก dataset)
-   **X**:
    -   "Cut Quality"
    -   (แสดงคุณภาพการเจียระไน)
-   **Y**:
    -   "Depth Percentage (%)"
    -   (ระบุสัดส่วนความลึกของเพชร)

5.4 4) Correlation Between Carat and Diamond Price.

prep_diamonds %>%
  filter(
    clarity %in% c("VS1", "VVS2", "VVS1", "IF"), 
    color %in% c("G", "E", "F"), 
    cut %in% c("Ideal", "Premium", "Very Good")
  ) %>%
  ggplot(aes(carat, price, col = clarity)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE, col = "red") +
  facet_grid(color ~ cut) + 
  custom_theme +
  theme(plot.background = element_rect(fill = "#f5e19f")) +
  labs(
    title = "Correlation Between Carat and Diamond Price",
    subtitle = "The overall correlation coefficient is 0.9215913.",
    caption = "Source: ggplot2 Diamonds Dataset",
    x = "Weigth (Carats)",
    y = "Price ($USD)"
  )
## `geom_smooth()` using formula = 'y ~ x'